EP658 在 AI 出現之前，你所受的教育都在教你「如何解題」！但從今天開始，「模式判斷」將是人類最重要的能力！

重點摘要

高手的核心能力是「模式判斷」而非解題：能快速辨識問題屬於哪一類型，比會解題更重要
AI 時代學習的意義在於建立思維框架：解題可以交給工具，但判斷「該用哪個工具」仍需人類
查理·蒙格的「格柵效應」：跨領域學習不是為了成為專家，而是讓大腦擁有多種思考模型
不要急著下判斷：先質疑自己的結論，尋找反例與遺漏的變數，避免認知偏誤
善用 AI 做批判性思考的夥伴：讓 AI 扮演「忠實反對派」，主動挑戰自己的論述漏洞

詳細內容

學霸的真正優勢：快速分類問題

Brian 回憶求學時期的學霸同學，發現他們最厲害的不只是解題速度，而是「一看到題目就能辨識它屬於哪一類」。拿到數學題，學霸能立刻判斷這是三角函數、排列組合還是微積分的問題，分類正確後自然知道該用哪套方法。這種「模式判斷」能力，才是真正拉開差距的關鍵。

職場實戰：正確分類問題比解決問題更重要

Brian 分享兩個諮詢案例：

案例一：部門推工作——一位學員抱怨隔壁部門同事常把工作推給他，認為對方人品有問題。Brian 追問後發現，這家公司沒有專案授權書（Project Charter）、沒有開工會議（Kick-off Meeting）、職責劃分不清。問題根本不在同事人格，而在組織流程與制度設計。

案例二：客戶嫌貴——業務同事被企業客戶質疑報價太高，本能地開始解釋成本結構或提議打折。Brian 指出這不是價格問題，而是信任問題——新客戶對大人學的企業內訓服務不了解，應該展示過去的成功案例、大客戶口碑與近 20 年的專業經歷來建立信任。

心理學研究佐證：專家 vs. 新手的分類方式

一項物理學研究讓新手與專家分別對物理題目進行分類。新手按表面特徵分類（有彈簧的題目、有斜坡的題目），專家則按底層原理分類（牛頓第二運動定律、能量守恆定律）。按原理分類才能連結到對應的公式與解法，表面分類對解題毫無幫助。

AI 時代為何仍需學習

有學員質問：「AI 什麼都能回答，甚至能用小學生聽得懂的比喻解釋複雜概念，我們還需要花時間讀書嗎？」

Brian 的回答是：學習的重點要從「解題」轉向「辨識問題類型」。解題能力隨科技進步持續貶值（算盤→計算機→電腦→AI），但判斷「這個問題該歸類到哪個領域」的能力，AI 無法替你完成。就像有人不知道找餐廳這類問題可以直接問 AI 而非 Google 搜尋——他們缺的不是工具，而是判斷哪個工具適用的能力。

查理·蒙格的「格柵效應」與跨領域學習

查理·蒙格（Charlie Munger）在《窮查理的普通常識》中提出「格柵效應」（Latticework of Mental Models）：知識體系就像格柵，需要橫向與縱向交織，才能把複雜問題分門別類。他建議學習經濟學、數學、心理學等領域的核心模型，不必成為專家，但要理解每個領域的思維模式。

Brian 以自身經驗舉例：

經濟學（供需理論）：疫情期間線上教育爆發，許多同業放棄實體課。但 Brian 判斷教育的實體需求不會消失（如同演唱會不會被串流音樂取代），持續投資實體課程，疫後需求果然回升。
心理學（認知偏誤）：客戶嘴上說「太貴」，心理其實是「不信任」——比你更貴的東西他也買過。
數學（機率統計）：面對疫苗爭議，Brian 用機率思維判斷——疫苗副作用的機率遠低於確診死亡率，「兩害取其輕」是理性選擇。

不要急著下判斷：尋找反例與遺漏變數

一位學員認為主管討厭「半路出家」的工程師，所以故意刁難他。Brian 追問：團隊中有 20 人，其中 3 人跟他一樣是半路出家，另外兩人不但沒被刁難，其中一位還升了小組長。這個反例直接推翻了「主管歧視半路出家者」的結論——真正的原因可能在別處，是認知偏誤讓他過早對號入座。

用 AI 做批判性思考的夥伴

Brian 分享自己準備課程或錄 Podcast 時，會將大綱丟給 AI（如 Gemini 或 ChatGPT），下達這樣的 prompt：「請站在反對者的立場，挑出我論述中所有的矛盾與錯誤，不用客氣，不用顧及我的情緒。」AI 是絕佳的「忠實反對派」（Prove me wrong），能幫助發現邏輯漏洞，這在過去很難找到這樣的思辯夥伴。

精選語錄

「高手不一定是解題能力很強的人，而是模式判斷能力很強——一看到問題就能做出正確的分類。」

「當你手上拿著鐵錘，所有東西看起來都像釘子。所以你需要跨領域學習，讓手上有鐵錘、有鋸子、有螺賴把。」

「你不需要是木匠，不需要是蓋房子的高手，但你要知道看到釘子該拿鐵錘、木板要切小塊該用鋸子。至於鋸得好不好看，可以交給 AI。」

時間軸

逐字稿未包含時間標記，以下為內容順序整理：

開場：大人學課程廣告（「人生難題的系統思考法」）
引言：從學霸的快速分類能力談起
職場案例：部門推工作（流程問題）、客戶嫌貴（信任問題）
研究佐證：物理學新手 vs. 專家的分類實驗
核心論點：AI 時代學習的意義在於模式判斷，不在解題
查理·蒙格的格柵效應：跨領域學習的價值
實例應用：經濟學（實體課需求）、心理學（認知偏誤）、數學（疫苗機率）
思考方法一：不要急著下判斷（半路出家工程師的案例）
思考方法二：用 AI 做批判性思考的忠實反對派
總結：五個建議——跨領域學習、思考背後脈絡、不急著下判斷、錯誤後覆盤、用 AI 做批判性思考